融合规则改进对目标识别结果影响.docVIP

融合规则的改进对目标识别结果的影响 【摘要】：红外与可见光传感器是目标识别系统中常用的两种传感器，将两种传感器图像进行融合能为我们提供更多的有效信息，从而提高目标识别正确率。本文在总结了传统的图像融合方法的基础上，对基于区域能量的小波图像融合规则做了改进，并采用支持向量机构建分类器，对三类目标进行识别。实验表明，改进后的融合规则可以有效的提高识别正确率。 【关键词】：目标识别；小波变换；图像融合；支持向量机； 引言 红外成像传感器在夜间可以很好的工作，由其拍摄的红外图像可以直观地得到探测目标与背景间的热辐射差异，但只有目标的大致轮廓，细节信息很少；普通摄像机对场景的亮度变化较为敏感，由其拍摄的可见光图像清晰且细节信息较为丰富。红外与可见光图像的融合可以综合红外图像较好的目标指示特性和可见光图像的场景信息，提供更多、更有效的信息。 小波变换是一种非冗余的多尺度，多分辨率分解图像经过小波变换之后数据的总量不会增大，同时小波变换具有方向性，利用这一特性可以获得视觉效果更佳的融合图像。在融合过程中，对图像的高频成分和低频成分加以区分，采用不同的融合算子和融合规则，可提高融合图像清晰度。目前已有的文献中提到的融合规则可大致分为两类：； （4） 其中，为3×3或5×5区域的能量 [11]。 红外图像与可见光图